這是我們在以下運算中使用的基礎假設：

• 推導平均每次查詢耗電為：

0.75×0.3+0.25×0.5=0.225+0.125=0.35 Wh
接著再用 GPU 利用率（50%）修正後的耗電 → 加倍成 0.6 Wh／次

總年耗電量 31,975 GWh，並假設每次查詢平均耗電 0.6 Wh，可反推出：

再考量硬體算力與軟體(包括演算法)的進步

1. 硬體因子（H）：從 GPT-4 用到 GPT-5 之間，硬體的能效（FLOPS/W）大致提升倍數。

• 例如：H100→Blackwell 效率提升約 ×1.8；若再考慮 Google TPU v5、AWS Trainium 等，保守估 H≈×2.0。

2. 軟體因子（S）：算法、編譯器、量化／蒸餾、early-exit 等優化帶來的整體推理能耗降低倍數。

• 量化＋蒸餾可減少 30--40% S≈0.65
• dynamic routing／early-exit 等再降 5--10% 合併估 S≈0.60

3. 綜合效率因子（E）：

E=H/(1/S)=H×S
（若把軟體能耗看作「降載」因子 S，硬體能效作「增效」因子 H，兩者可相乘）

2. 調整算力需求

Pnew = P原始/E = 7.44 GW/ (H×S)

按照中性假設（硬體效能提升 H = 2.0×，軟體優化降耗 S = 0.65×），綜合效率因子：

E=H×S=2.0×0.65=1.30

將原始 7.44 GW 除以 E：

Pnew=7.44/1.30 ≈ 5.72 GW